如何为Seaborn水平条形图的每个FacetGrid分面添加百分比标签？

你当前代码的百分比标签计算逻辑存在错误：用整个数据集的行数len(df['pct'])作为分母计算比例，完全不符合每个分组内的占比需求。另外你已经提前计算好了pct列（每个level在对应survey中的百分比），无需重新计算，直接使用条形的宽度值即可。

以下是修正后的完整代码：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

data = {
'id': [1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8, 8, 9, 9, 10, 10, 11, 11, 12, 12, 13, 13, 14, 14, 15, 15, 16, 16, 17, 17, 18, 18, 19, 19, 20, 20],
'survey': ['baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline', 'baseline', 'endline'],
'level': ['low', 'high', 'medium', 'low', 'high', 'medium', 'medium', 'high', 'low', 'low', 'medium', 'high', 'low', 'medium', 'low', 'high', 'low', 'low', 'medium', 'high', 'high', 'high', 'high', 'medium', 'low', 'low', 'medium', 'high', 'low', 'medium', 'high', 'medium', 'low', 'high', 'high', 'medium', 'medium', 'low', 'high', 'low']
}

df = pd.DataFrame(data)

# 简化数据预处理，直接计算每个survey分组内的百分比
df = df.groupby(["survey", "level"])['id'].count().rename('count').reset_index()
df['pct'] = df.groupby('survey')['count'].transform(lambda x: (x / x.sum()) * 100)

# 创建Facet Grid
g = sns.FacetGrid(df, col="survey")
g.map_dataframe(sns.barplot, x='pct', y='level', hue='level', palette='Set1', orient='h')
g.set_axis_labels('Percentage', 'Level') 
g.set_titles(col_template='{col_name} survey')

# 修正后的注释函数
def annotate_bars(ax, data, **kwargs):
    for p in ax.patches:
        # 直接使用条形的宽度（即pct值）作为百分比
        percentage = f'{p.get_width():.1f}%'
        # 调整标签位置，避免重叠
        x = p.get_width() + 1
        y = p.get_y() + p.get_height() / 2
        ax.annotate(percentage, (x, y), fontsize=8, color='k')

g.map_dataframe(annotate_bars)

plt.show()

关键修改点： #

• 简化数据预处理：用transform直接计算每个survey分组内的百分比，避免手动循环拼接列表，代码更简洁可靠。
• 修正注释逻辑：不再错误使用整个数据集的行数，直接利用条形的宽度值（已提前计算好的百分比）生成标签；调整x轴偏移量，让标签显示更合理。
• 匹配子图数据：使用map_dataframe传递子图对应的数据，确保每个子图的注释逻辑对应自身的数据集。

修改后，每个水平条形图右侧会正确显示对应level在当前survey中的占比百分比。

内容的提问来源于stack exchange，提问作者Craig Thompson